Pelphix：经皮骨盆固定中基于 X 射线图像的手术阶段识别
机器学习
2023-04-20 v1 人工智能
计算机视觉与模式识别
定量方法
摘要
手术阶段识别（SPR）是现代手术室数字化转型的关键要素。尽管基于视频源的 SPR 已较为成熟，但介入式 X 射线序列的引入尚未被探索。本文提出 Pelphix，一种面向 X 射线引导经皮骨盆骨折固定的 SPR 首创方法，该方法在四个粒度层级——通道（corridor）、活动（activity）、视图（view）与帧值（frame value）——对手术过程建模，将骨盆骨折固定工作流程模拟为马尔可夫过程以提供全标注训练数据。通过利用对骨性通道、器械与解剖结构的检测所提供的额外监督，我们学习图像表征并将其输入 transformer 模型，以回归四个粒度层级的手术阶段。我们的方法证明了基于 X 射线的 SPR 的可行性，在模拟序列上所有粒度层级平均准确率达 93.8%，在尸体上达 67.57%，真实数据中目标通道准确率最高达 88%。本工作构成了 X 射线领域 SPR 的第一步，建立了 X 射线引导手术中阶段分类的方法，模拟真实图像序列以支持机器学习模型开发，并证明该方法可用于真实手术分析。随着基于 X 射线的 SPR 持续成熟，它将通过为智能手术系统赋予手术室情境感知，惠及骨科手术、血管造影与介入放射学等程序。
引用
@article{arxiv.2304.09285,
title = {Pelphix: Surgical Phase Recognition from X-ray Images in Percutaneous Pelvic Fixation},
author = {Benjamin D. Killeen and Han Zhang and Jan Mangulabnan and Mehran Armand and Russel H. Taylor and Greg Osgood and Mathias Unberath},
journal= {arXiv preprint arXiv:2304.09285},
year = {2023}
}